[发明专利]一种应用于自适应驾座的人脸识别方法

说明书

技术领域

本发明涉及人脸识别领域和车辆辅助驾驶系统领域，具体涉及一种应用于自适应驾座的人脸识别方法。

背景技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关图像处理技术，通常也叫做人像识别、面部识别。目前人脸识别技术应用越来越普遍，但是现有技术中的人脸识别技术还存在着技术缺陷，如受环境影响大、容易被照片欺骗、不适合人脸的自然变化，造成识别率不够高等问题。

人脸识别依赖于人脸特征的提取。在人脸识别的过程中，主要包括人脸图像的匹配和识别过程，就是将提取到的待识别的人脸特征与已得到的存储在数据库中的人脸特征模版进行匹配，根据相似程度对人脸图像的身份信息进行判断。因此，能够提取到准确而丰富的人脸特征对于人脸识别的结果具有重要影响。

发明内容

为了解决现有技术所存在的问题，本发明提供一种人脸识别方法，应用于无人车辅助驾驶系统，能高效、快捷识别出乘客的身份信息。

本发明应用于自适应驾座的人脸识别方法，包括以下步骤：

S1：加载人脸身份特征头像库；

S2：创建人脸识别模型，训练已加载的人脸识别库；

S3：在摄像头中获取视频图像；

S4：用级联分类器检测视频图像中是否包括人脸特征信息；

S5：若不存在人脸特征信息，则返回步骤S3；若存在人脸特征信息，则将人脸部分提取出来，生成人脸图像，作为特征头像；

S6：将所提取的特征头像进行尺寸归一化；

S7：对归一化后的特征头像进行直方图均衡化处理；

S8：利用二维离散快速傅里叶变换将人脸图像从空间域变换到频率域，进行特征提取；

S9：将提取的特征放在人脸识别库中进行比对，若相似度高于预设阈值，则输出预测的身份标签，确认乘客身份，启动自适应驾座；否则，若相似度低于预设阈值，询问是否录入人脸身份；

S10：若不录入人脸身份，则返回步骤S3；若需要录入人脸身份，则对经过处理的人脸头像进行尺寸归一化，并保存至人脸身份特征头像库。

与现有技术相比，本发明具有如下优点和有益效果：

1、从摄像头中获取视频图像时，在视频中获取每秒60帧的视频流，提取RGB三通道图像，计算统计各个像素点分布的情况，大致将像素点区域范围分类，并进行比对，根据相似度适当提取其中的几帧作为样本图像。与传统的将每一帧都作为样本图像进行处理相比，更加高效、快捷。

2、提取特征前，首先将人脸图像经过直方图均衡化处理，使灰度图中各灰度级分布均匀；然后利用二维离散快速傅里叶变换将人脸图像从空间域变换到频率域，可以在简单的振幅谱中提取特征，计算方便，提高效率。

3、应用于无人车辅助驾驶系统，配合自适应驾座，能准确进行人脸识别。当乘客的身份得到确认时，启动自适应驾座，调整驾座的位置及姿势，以适应乘客的身形以及坐姿，为乘客提供较舒适的体验。

4、借助光照传感器，接收光照传感器传来的光照强度值以调整视频图像的白平衡、对比度以及整体亮度，进一步的降低外部光照对识别的影响。

附图说明

图1是本发明的人脸识别结构示意图；

图2是本发明的人脸识别流程示意图。

具体实施方式

下面结合说明书附图和实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

实施例

参见图1，本发明应用于自适应驾座，在结构上包括依次连接的视频获取模块101、人脸识别模块102、上位机控制模块103和录入库功能模块104，其中视频获取模块采用摄像头；如图2所示，其人脸识别过程具体包括以下步骤：

S1：加载人脸身份特征头像库；

S2：创建人脸识别模型，训练已加载的人脸识别库；

可通过IO设备或蓝牙、WIFI等发出指令，将捕捉到的人脸录入人脸识别库中，并添加一个身份标签号。此外，还可记忆此时座椅的位置及姿势，并将位置及姿势封装至人脸识别库中。

S3：在摄像头中获取视频图像；

本步骤需要从视频流中获取视频图像，计算统计各个像素点分布的情况，大致将像素点区域范围分类。获取视频图像时，是从视频流中提取RGB三通道图像，拥有24位的颜色模式。而提取特征头像时，则以灰度模式进行提取，只有8位颜色深度的图像，无需再经过对图像进行灰度处理，减少了计算量，提高检测效率。